Saltar a contenido

MAX98357A: texto a voz con VoiceRSS

En este ejemplo la placa habla. El ESP32-S3 envía una frase por internet al servicio VoiceRSS, recibe la voz sintetizada como un archivo WAV y la reproduce en el altavoz a través del amplificador MAX98357A.

El audio no se guarda en memoria: se reproduce a medida que llega por WiFi (streaming), así que funciona con frases de cualquier longitud.

Qué vas a aprender:

  • Conectarte a una red WiFi y hacer una petición HTTP.
  • Leer la cabecera de un archivo WAV para obtener su formato.
  • Configurar el bus I2S con la librería ESP_I2S del core 3.x.
  • Enviar audio al MAX98357A y ajustar el volumen por software.

1. Mapa de pines

El MAX98357A recibe el audio por I2S, un bus de tres líneas pensado para audio digital.

Pin del MAX98357A GPIO Constante Función
BCLK 16 I2S_BCLK Reloj de bits: marca el ritmo de cada bit de audio
LRC 17 I2S_LRC Reloj de palabra: indica si la muestra es del canal izquierdo o derecho
DIN 18 I2S_DOUT Datos de audio del ESP32 hacia el amplificador
VIN 5 V — Alimentación (más volumen que a 3,3 V)
GND GND — Tierra común
SD Al aire — Amplificador activo, mezcla de ambos canales
GAIN Al aire — Ganancia de 9 dB
SPK+ / SPK− Altavoz — Salida al altavoz de 4–8 Ω

DOUT en el ESP32, DIN en el amplificador

Es la misma línea vista desde los dos lados: el ESP32 la usa como salida de datos (DOUT) y el amplificador como entrada (DIN).

2. Preparar el entorno

Cuenta en VoiceRSS

  1. Regístrate gratis en voicerss.org y copia tu API key.
  2. El plan gratuito permite 350 peticiones al día, suficiente para pruebas.

Librerías

Todas vienen con el soporte del ESP32, no hay que instalar nada:

Librería Para qué sirve
WiFi.h Conexión a la red WiFi
HTTPClient.h Peticiones HTTP al servicio de voz
ESP_I2S.h Control del bus I2S (core 3.x o superior)

Versión del core

ESP_I2S.h solo existe en el core 3.x de ESP32 para Arduino. Comprueba la versión en Herramientas → Placa → Gestor de tarjetas → esp32. En el core 2.x se usaba driver/i2s.h, con otra API.

Configuración de la placa

Usa la misma configuración que en LCD 240x240.

3. Código

Cambia TU_RED, TU_CLAVE y TU_API_KEY por tus datos antes de subirlo.

#include <Arduino.h>
#include <WiFi.h>
#include <HTTPClient.h>
#include <ESP_I2S.h>

// =====================================================
// MAX98357A (I2S)
// =====================================================
#define I2S_BCLK 16
#define I2S_LRC  17
#define I2S_DOUT 18

// =====================================================
// Configuración
// =====================================================
const char* ssid     = "TU_RED";
const char* password = "TU_CLAVE";
const char* apiKey   = "TU_API_KEY";   // https://www.voicerss.org/

const float VOLUMEN = 0.5;   // 0.0 = silencio, 1.0 = volumen original

I2SClass i2s;

// =====================================================
// Codifica el texto para usarlo en una URL
// (espacios, tildes, ñ, signos de puntuación...)
// =====================================================
String urlEncode(const String &msg) {
  String encoded = "";
  for (int i = 0; i < msg.length(); i++) {
    char c = msg.charAt(i);
    if (isalnum(c)) {
      encoded += c;
    } else {
      char hex[4];
      sprintf(hex, "%%%02X", (unsigned char)c);
      encoded += hex;
    }
  }
  return encoded;
}

// =====================================================
// Pide la frase a VoiceRSS y la reproduce
// =====================================================
void hablar(const String &texto) {
  String url = "http://api.voicerss.org/?key=" + String(apiKey) +
               "&hl=es-es&f=16khz_16bit_mono&src=" + urlEncode(texto);

  Serial0.printf("\nHablando: \"%s\"\n", texto.c_str());

  HTTPClient http;
  http.setFollowRedirects(HTTPC_FORCE_FOLLOW_REDIRECTS);
  http.begin(url);

  int httpCode = http.GET();
  if (httpCode != HTTP_CODE_OK) {
    Serial0.printf("Error HTTP: %d\n", httpCode);
    http.end();
    return;
  }

  WiFiClient* stream = http.getStreamPtr();

  // ---------- Cabecera WAV (44 bytes) ----------
  uint8_t header[44];
  if (stream->readBytes(header, 44) < 44) {
    Serial0.println("Error al leer la cabecera WAV");
    http.end();
    return;
  }

  // Si no empieza por "RIFF", VoiceRSS devolvió un mensaje de error en texto
  if (memcmp(header, "RIFF", 4) != 0) {
    Serial0.print("Respuesta de VoiceRSS: ");
    Serial0.write(header, 44);
    Serial0.println(stream->readString());
    http.end();
    return;
  }

  uint16_t canales      = header[22] | (header[23] << 8);
  uint32_t sampleRate   = header[24] | (header[25] << 8) | (header[26] << 16) | (header[27] << 24);
  uint16_t bitsPorMuestra = header[34] | (header[35] << 8);

  Serial0.printf("Audio: %lu Hz, %u bits, %u canal(es)\n", sampleRate, bitsPorMuestra, canales);

  // ---------- Configurar I2S ----------
  i2s.setPins(I2S_BCLK, I2S_LRC, I2S_DOUT);   // bclk, ws, dout
  if (!i2s.begin(I2S_MODE_STD, sampleRate, I2S_DATA_BIT_WIDTH_16BIT, I2S_SLOT_MODE_MONO)) {
    Serial0.println("Error al iniciar I2S");
    http.end();
    return;
  }

  // ---------- Reproducir mientras llegan los datos ----------
  Serial0.println("Reproduciendo...");
  int16_t buffer[512];   // 1024 bytes
  int restantes = http.getSize() > 0 ? http.getSize() - 44 : -1;   // -1 = tamaño desconocido

  while (http.connected() && restantes != 0) {
    int aLeer = sizeof(buffer);
    if (restantes > 0 && restantes < aLeer) aLeer = restantes;

    int leidos = stream->readBytes((uint8_t*)buffer, aLeer);
    if (leidos <= 0) break;
    if (restantes > 0) restantes -= leidos;

    // Ajuste de volumen muestra a muestra
    int muestras = leidos / 2;
    for (int i = 0; i < muestras; i++) {
      buffer[i] = buffer[i] * VOLUMEN;
    }

    i2s.write((uint8_t*)buffer, muestras * 2);
  }

  Serial0.println("Fin de la reproduccion");

  i2s.end();
  http.end();
}

// =====================================================
// SETUP
// =====================================================
void setup() {
  Serial0.begin(115200);
  delay(1000);
  Serial0.println("\n=== Texto a voz con VoiceRSS ===");

  WiFi.mode(WIFI_STA);
  WiFi.begin(ssid, password);
  Serial0.print("Conectando a WiFi");
  while (WiFi.status() != WL_CONNECTED) {
    delay(500);
    Serial0.print(".");
  }
  Serial0.printf("\nWiFi conectada. IP: %s\n", WiFi.localIP().toString().c_str());

  hablar("Hola, este es un sistema de audio funcional en el ESP32.");
}

// =====================================================
// LOOP
// =====================================================
void loop() {
}

4. Cómo funciona

Flujo general

Texto ──► URL codificada ──► VoiceRSS (internet)
                                   │
                                   ▼
Altavoz ◄── MAX98357A ◄── I2S ◄── WAV por HTTP
  1. El texto se codifica para URL y se envía a VoiceRSS con una petición GET.
  2. VoiceRSS responde con un archivo WAV: 44 bytes de cabecera seguidos del audio.
  3. El programa lee la cabecera para saber la frecuencia de muestreo.
  4. Configura el I2S con esa frecuencia y envía el audio al amplificador por bloques de 1024 bytes.

La URL de VoiceRSS

http://api.voicerss.org/?key=TU_API_KEY&hl=es-es&f=16khz_16bit_mono&src=Hola%2C%20mundo
Parámetro Valor Significado
key Tu API key Identifica tu cuenta
hl es-es Idioma y acento. Prueba es-mx para español de México
f 16khz_16bit_mono Formato del audio: 16 000 muestras por segundo, 16 bits, un canal
src Texto codificado La frase que se va a sintetizar

urlEncode() deja pasar letras y números y convierte todo lo demás en %XX. Por ejemplo, el espacio se convierte en %20 y la ñ, que en UTF-8 ocupa dos bytes, en %C3%B1.

La cabecera WAV

Un archivo WAV empieza con 44 bytes que describen el audio. El programa lee tres campos:

Bytes Campo Valor con VoiceRSS
0–3 Marca RIFF Confirma que es un WAV
22–23 Número de canales 1 (mono)
24–27 Frecuencia de muestreo 16 000 Hz
34–35 Bits por muestra 16

Los valores van en little-endian: el primer byte es el menos significativo. Por eso se combinan con desplazamientos (<< 8, << 16, << 24).

Si la respuesta no empieza por RIFF, VoiceRSS devolvió un mensaje de error en texto, por ejemplo por una API key incorrecta. El programa lo imprime en el monitor serie.

Configurar el I2S

i2s.setPins(I2S_BCLK, I2S_LRC, I2S_DOUT);
i2s.begin(I2S_MODE_STD, sampleRate, I2S_DATA_BIT_WIDTH_16BIT, I2S_SLOT_MODE_MONO);
  • I2S_MODE_STD: el modo I2S estándar (Philips), el que entiende el MAX98357A.
  • sampleRate: se toma de la cabecera, así que el audio suena a la velocidad correcta.
  • I2S_SLOT_MODE_MONO: cada muestra se envía como un solo canal. Con el pin SD al aire, el MAX98357A mezcla los dos canales, así que se oye igual.

Reproducción por bloques

El bucle lee hasta 1024 bytes de la conexión, ajusta el volumen y los envía al I2S. i2s.write() espera hasta que el bloque entra en la memoria de transmisión, así que el propio I2S marca el ritmo de la descarga.

http.getSize() devuelve el tamaño del archivo cuando el servidor lo indica. Con él, el bucle sabe exactamente cuántos bytes faltan y termina sin esperar a que la conexión se cierre.

Volumen por software

Cada muestra de 16 bits es un número entre −32 768 y 32 767 que representa la posición del altavoz. Multiplicarla por VOLUMEN reduce la amplitud: con 0.5 el sonido baja a la mitad. Valores mayores que 1.0 pueden saturar y distorsionar el audio.

Serial0

Serial0 es el puerto UART de la placa: el conector USB marcado como UART o COM. Si conectas el cable al conector USB nativo, cambia Serial0 por Serial y activa USB CDC On Boot.

5. Resultado esperado

El altavoz dice "Hola, este es un sistema de audio funcional en el ESP32" y en el monitor serie, a 115200 baudios, aparece:

=== Texto a voz con VoiceRSS ===
Conectando a WiFi....
WiFi conectada. IP: 192.168.1.42

Hablando: "Hola, este es un sistema de audio funcional en el ESP32."
Audio: 16000 Hz, 16 bits, 1 canal(es)
Reproduciendo...
Fin de la reproduccion

6. Solución de problemas

Síntoma Causa probable y solución
Se queda en Conectando a WiFi.... Revisa el nombre y la clave de la red. El ESP32 solo se conecta a redes de 2,4 GHz.
Respuesta de VoiceRSS: ERROR: The API key is not available! La API key es incorrecta o no se ha activado todavía.
Error HTTP: -1 No hay conexión con el servidor: comprueba que la red tenga acceso a internet.
No suena nada Revisa los pines BCLK, LRC y DIN, que VIN reciba 5 V y que el altavoz esté conectado a SPK+ y SPK−.
Suena con chasquidos o se corta La señal WiFi es débil o el bloque es pequeño. Acerca la placa al router.
La placa se reinicia al empezar a sonar Caída de tensión por el consumo del amplificador. Pon un condensador de 100 µF cerca de VIN y baja VOLUMEN.
Suena demasiado rápido o lento La frecuencia del I2S no coincide con la del WAV. Verifica que sampleRate se lea bien.
No aparece nada en el monitor serie Estás en el puerto USB nativo: usa Serial en lugar de Serial0.

No publiques tus claves

Nunca subas a un repositorio público el código con tu contraseña de WiFi o tu API key. Cualquiera podría usarlas. Si se te escaparon, cambia la contraseña y genera una API key nueva.

7. Retos

  1. Haz que la placa diga una frase distinta cada vez que pulses el botón A.
  2. Cambia el idioma con el parámetro hl (en-us, pt-br, fr-fr) y prueba la misma frase.
  3. Prueba otras voces con el parámetro v (consulta la documentación de VoiceRSS).
  4. Muestra en la pantalla el texto que se está diciendo.